电源车远程智能健康评估系统研究

摘要

健康评估是实现视情维护的基础，而目前电源车缺乏有效的健康评估方法及系统性的实施方案。基于此，考虑电源车的移动性，本文从构建本地-远程融合的电源车智能健康评估系统框架入手，在此框架下展开了以故障诊断、故障预测及系统级健康评估为主要内容的电源车智能健康评估方法研究。其主要工作如下： 1）本地-远程融合的电源车智能健康评估系统框架的构建 综合考虑电源车健康评估的实际需求和电源车的移动性，借助网络技术的优势，本文构建了本地-远程融合的电源车智能健康评估系统框架。该框架充分利用本地DSP的实时信号处理能力，以及远程Spark平台的大数据分析能力，为电源车云边端协同的联合智能健康评估提供了数据储备和平台支持。 2）基于LSTM-SPRT的电源车故障诊断方法研究 故障诊断是电源车健康评估的开端，针对目前基于深度学习的故障诊断方法，多数仍存在由于连带性故障特征提取不充分，且基于孤立的单样本进行判决而导致准确率低及可靠性差的缺陷，本文提出基于LSTM-SPRT的电源车故障诊断方法。仿真结果表明，该方法有效提高了电源车故障诊断的准确率和可靠性。 3）基于多状态时间序列预测学习的电源车故障预测方法研究 故障预测是电源车健康评估的重要内容，针对现有的故障预测方法难以适用于电源车，本文提出基于多状态时间序列预测学习的电源车故障预测方法。该方法基于LSTM网络建立电源车状态趋势实时预测模型，同时应用改进后的kNN算法对电源车故障进行预判。仿真结果表明，该方法具有较高的故障预测准确率。 4）基于深度学习重构模型的电源车系统级健康评估方法研究 为评估电源车的总体健康状态，考虑电源车不同组件对系统级健康状态影响不同，提出基于深度学习重构模型的电源车系统级健康评估方法。该方法建立了基于LSTM网络的电源车多状态重构模型，并利用重构模型的预测残差构建电源车系统级健康指数，从而实现对电源车系统级健康状态量化评估的目标。 5）电源车远程智能健康评估系统设计与开发 通过电源车仿真平台对上述研究方法进行验证的基础上，本文充分集成目前较先进的技术框架，开发实现了电源车远程智能健康评估系统。经过功能和性能测试，系统性能优良、界面友好、操作灵活，具有较强的实用性。

目录

声明

插图索引

附表索引

第1章 绪 论

1.1课题研究背景及意义

1.2课题及相关技术的研究现状

1.2.1 复杂装备远程智能健康评估系统的发展现状

1.2.2 复杂装备智能健康评估方法研究现状

1.3.1 主要研究内容

1.3.2 论文结构及章节安排

第2章 电源车远程智能健康评估系统分析与总体设计

2.1引言

2.2.1 电源车简介

2.2.2 电源车智能健康评估需求分析

2.2.3 电源车远程状态监测需求分析

2.3本地-远程融合的电源车智能健康评估系统框架设计

2.3.1 本地-远程融合的电源车智能健康评估系统框架

2.3.2 基于DSP的电源车本地状态监测模块硬件设计

2.3.3 基于Spark的电源车智能健康评估平台设计

2.3.4 基于B/S模式的电源车健康评估可视化

2.4电源车智能健康评估方法总体构思

2.4.1 电源车智能健康评估方法

2.5本章小结

第3章 基于LSTM-SPRT的电源车故障诊断方法研究

3.1引言

3.2.1 电源车故障诊断的问题分析

3.2.2 电源车故障诊断方法的提出

3.3.1 电源车状态数据初始特征提取

3.3.2 基于LSTM网络的电源车多变量时间序列学习建模

3.3.3 基于LSTM网络的电源车多变量时间序列模型训练

3.3.4 基于SPRT的自适应多样本故障诊断

3.4基于电源车虚拟仿真系统的故障诊断仿真研究

3.4.1 数据准备

3.4.2 LSTM网络的离线训练

3.4.3 LSTM-SPRT融合的实时故障诊断

3.5本章小结

第4章 基于多状态时间序列预测学习的电源车故障预测方法研究

4.1引言

4.2电源车故障预测方法

4.2.1 电源车故障预测面对的问题

4.2.2 电源车故障预测方法

4.3.1 基于LSTM的多状态时间序列预测模型

4.3.2 基于改进kNN算法的故障预判

4.4仿真验证

4.4.1 仿真平台及数据说明

4.4.2 状态趋势预测模型的训练及网络性能分析

4.4.3 故障预判算法仿真及结果分析

4.5本章小结

第5章 基于深度学习模型重构的电源车系统级健康评估方法研究

5.1引言

5.2.1 系统级健康评估方法的提出

5.2.2 基于LSTM网络的模型重构

5.2.3 系统级健康指数的构建及推导

5.3仿真验证

5.3.1 仿真平台及数据说明

5.3.2 深度学习重构模型的训练

5.3.3 电源车系统级健康评估

5.4本章小结

第6章 电源车远程智能健康评估系统的实施

6.1引言

6.2电源车远程状态监测方案实施

6.2.1 电源车本地实时异常检测

6.2.2 电源车数据远程传输

6.2.3 电源车数据分布式存储

6.3.1 健康评估算法组件开发

6.4.1 电源车数据可视化

6.4.2 电源车健康评估可视化

6.5电源车远程智能健康评估系统运行与调试

6.5.1 系统功能测试

6.5.2 系统性能测试

6.6本章小结

结论与展望

结 论

展 望

参考文献

致谢

附录 A 攻读学位期间发表的学术论文